Под влиянием быстрых текущих достижений в области неврологии, когнитивной науки и информатики, интеллектуальные исследования и разработки процветают.
Интеллект - это область, которая занимается созданием машинного интеллекта посредством компьютерного моделирования и программно-аппаратной координации, черпая вдохновение из механизмов обработки информации человеческого мозга на различных уровнях детализации.
Исследования в этой области привели к разработке системы управления интеллектом в гуманоидных роботах. Область гуманоидной робототехники получила широкое распространение в качестве конкретного примера достижений интеллектуальных исследований, и в качестве исследовательского инструмента нейронного моделирования.
В этой статье мы обсудим, как технологии и алгоритмы поиска данных используются для моделирования знаний психофизиологических данных, включая электроэнцефалограмму (ЭЭГ) и функциональную магниторезонансную томографию (ФМРТ), с целью прогнозирования аффективного состояния и стадии легкого когнитивного нарушения.
Такие методы обладают потенциалом моделирования памяти и позволяют эффективно управлять входами (сенсорной информацией), а также обеспечивают эффективную основу для преобразования информации в инвариантную форму, которая может быть обработана для вывода и прогнозирования новых знаний.
Память моделирования
В основе интеллекта лежит умение реализовывать память и прогнозы. Мозг использует огромный объем памяти для создания модели мира и делает непрерывные прогнозы будущих событий.
Когда мы видим, чувствуем, слышим или испытываем внешнюю сенсорную стимуляцию, кора головного мозга принимает детальный, очень специфический вход и преобразует его в инвариантную форму.
Эта форма фиксирует сущность взаимоотношений в наблюдаемом мире, независимо от деталей данного момента. Когда есть последовательные модели среди сенсорных входов, поступающих в мозг, кора будет обрабатывать их, чтобы получить инвариантную форму из памяти и объединить модели инвариантной структуры с самыми последними деталями, чтобы предсказать будущие события.
При рассмотрении гуманоидной робототехники одной из ключевых задач является моделирование памяти человека, будь то при разработке аппаратных методов для крупномасштабного моделирования мозга или программного обеспечения с когнитивными системами.
Декларативная память и процедурная память являются двумя важными видами памяти, которые представляют собой декларативные знания и процедурные знания. Они были реализованы как важные компоненты гуманоидной робототехники и лежали в основе мозговых когнитивных систем.
Память имеет сложную и иерархическую структуру, которая хранит информацию о важных взаимоотношениях между сущностями в мире. Аналогичным образом, онтологические технологии могут обеспечить лингвистическое, семантическое и количественное значение, показывая взаимосвязь между понятиями.
Эта технология обеспечивает подходящую и эффективную модель в форме, понятной как для компьютерных систем, так и для людей. Кроме того, она позволяет представить иерархическое декларативное значение понятий наряду с моделированием процедурных знаний, а также может использовать технологии машинного обучения и статистические методы для вывода и прогнозирования новых знаний.
Таким образом, онтологическое моделирование может быть применено для декларативного и процедурного моделирования знаний в системах памяти гуманоидных роботов.
Объединив онтологические методы с алгоритмами интеллектуального анализа данных, ученые провели исследования декларативного моделирования знаний психофизиологических сигналов и процедурного моделирования.
Электроэнцефалограмма (ЭЭГ). Оценка эмоций
Эмоции считаются одним из важнейших аспектов разумного поведения человека. Текущие исследования показали растущий интерес к использованию оценки эмоций для более успешного применения мозгового интеллекта для улучшения взаимодействия человека и машины.
На основе анализа электроэнцефалограммы, полученной из ответов автоматической нервной системы, компьютеры могут оценивать эмоции пользователя и находить корреляции между важными особенностями электроэнцефалограммы и эмоциональным состоянием человека.
С появлением современных методов обработки сигнала, оценочная сила ЭЭГ-анализа человеческих эмоций увеличилась, отчасти из-за большого числа особенностей, извлекаемых из ЭЭГ сигналов.
В конце хотел бы добавить, что управление данными и их распространение сопряжено со значительными проблемами, которые могут быть решены только с помощью усовершенствованных инструментов для представления данных, их анализа и интеграции.
Именно поэтому ученые провели исследования по разработке инструментов для внедрения декларативных знаний и моделей процедурных знаний. Для построения декларативных моделей знаний они извлекают знания из данных ЭЭГ и контекстуальной информации, а затем кодируют знания и информацию для создания области онтологии.
Они обращаются к процедурным знаниям, используя набор правил, которые были обучены алгоритмам поиска данных.
Соответственно, алгоритмы поиска данных могут идентифицировать эмоциональное состояние субъекта на основе декларативных знаний.